DM879: Kunstig Intelligens

Den studerende forventes at have opnået en grundlæggende forståelse af matematiske beviser og programmering, opnåelige fx ved at have fulgt DM549 Diskrete metoder til datalogi eller MM537 Introduktion til matematiske metoder, og DM536/DM550 Introduktion til Programmering eller DM562 Scientific Programming.

Formålet med kurset er at give deltagerne viden om grundlæggende begreber og tekniker som danner baggrund for intelligente computer systemer. Fokus er på fire aspekter - problemløsning, ræsonnement, beslutningsproces, maskinlæring - og på de logiske og sandsynlighedsbaserede fundamenter for disse aktiviteter.

I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:

• give viden om et udvalg af specialiserede modeller og metoder udviklet inden for datalogi baseret på højeste internationale forskning, herunder emner fra fagets forskningsfront
• give viden om datalogiske modeller og metoder beregnet til anvendelser i andre faglige områder
• give færdigheden til at beskrive, analysere og løse avancerede datalogiske problemstillinger ved hjælp af de lærte modeller
• give færdigheden til at udvikle nye varianter af de lærte metoder, hvor det konkrete problem kræver det
• give kompetence til at planlægge og udføre videnskabelige projekter på højt fagligt niveau herunder styre arbejds- og udviklingssituationer, der er komplekse, uforudsigelige og forudsætter nye løsningsmodeller

Ved kursets afslutning forventes den studerende at have følgende kompetencer:

• gengive de grundlæggende logiske og sandsynlighedsbaserede principper for problemløsning, ræsonnering, maskinlæring og beslutningsprocesser;
• beskrive i detaljer de principielle algoritmer for søgning, ræsonnering, læring og beslutning som indgår i pensum;
• vurdere anvendelighed af basalsøgning, ræsonnering, lærings- og beslutningsteknikker i problemer, som i natur minder om problemer fra kurset;
• udtænke og implementere intelligente systemer til at løse konkrete beregningsproblemer.

• Oversigt af kunstig intelligens
• Søgetekniker
• Viden, ræsonnering og planlægning
• Probabilistisk ræsonnering
• Maskinlæring
• Processering af naturligt sprog 

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.

• Introfase: 28 timer 
• Træningsfase: 28 timer, heraf 20 eksaminatoriertimer og 8 timer laboratorieøvelser

Aktiviteter i studiefasen: Løsning af små opgaver, individuelt eller i små grupper.